Vad offentlig data inte kan bevisa på egen hand
Strukturerad data kan göra underlag enklare att använda. Den kan inte göra ofullständiga källor kompletta eller omvandla ett samband till ett faktum.
Källor beskriver en tidpunkt
En förändring kan ske innan den syns i en källa, och olika källor uppdateras enligt olika scheman. Polisnotiser är preliminära och kan uppdateras; SCB beskriver veckovisa administrativa uppdateringar av företagsregistret. [2][6] Varje leverans behöver därför insamlingsdatum och en uppdateringspolicy.
Täckningen skiljer sig mellan fält och jurisdiktioner
Ett offentligt flöde kan vara selektivt, ett register kan sakna fält och definitioner skiljer sig mellan källor och jurisdiktioner. Ett tomt värde kan betyda otillgängligt, ej tillämpligt, inte insamlat eller inte hittat; dessa tillstånd bör inte slås ihop.
Entitetsmatchning kan bli fel
Liknande namn, återanvända adresser, omorganisationer och inkonsekventa identifierare skapar falska sammanslagningar och missade matchningar. Matchningar med stor konsekvens kräver starkare identifierare eller manuell granskning.
En signal är inte ett utfall
Prognoser speglar träningsdatan, det valda målet och observationsperioden. En hög poäng betyder att modellen hittat ett definierat mönster. Det betyder inte att en händelse kommer att inträffa eller att ett subjekt bör godkännas eller avvisas.
Att granska definierade populationer, standardisera poster, följa registrerade förändringar och göra källunderlag repeterbart.
Tvetydiga entiteter, ovanliga sammanhang, motstridigt underlag och beslut med betydande konsekvenser.
Bra dataprodukter visar osäkerhet i stället för att dölja den: proveniens, datum, orsaker till nullvärden, säkerhet, modellversion och kända täckningsluckor hör hemma i leveransen.
Källor
- Statistics Sweden's Business Register: Statistics Sweden
- API över polisens händelser: Polismyndigheten